L’intégration des réfugiés dans le marché du travail en Allemagne
Bibliographic record
Abstract
Avec l’augmentation de l’arrivée de réfugiés au milieu de la dernière décennie, le thème de l’intégration des réfugiés dans le marché du travail a gagné en importance en Allemagne. Le cadre juridique de l’accès à la formation et au travail a été successivement élargi et modifié, notamment pour les personnes engagées dans la procédure d’asile ou les demandeurs d’asile déboutés, tandis que des mesures de soutien de l’État ont été élaborées, testées et adaptées. En parallèle, la collecte et l’analyse des données ont progressé de manière décisive : ainsi, des données plus précises sur la participation des réfugiés au marché du travail sont collectées par l’Agence fédérale pour l’emploi (BA) depuis 2016. La prise en compte de l’hétérogénéité de la population des réfugiés, notamment en ce qui concerne leur âge et leur bagage scolaire, devient de plus en plus l’objet d’une attention soutenue des acteurs gouvernementaux et non gouvernementaux, et s’affirme comme une condition essentielle pour soutenir avec succès une bonne intégration dans le marché du travail. Cet article donne un aperçu des conditions-cadres de l’accueil des réfugiés en Allemagne, des défis posés ainsi que de certaines des mesures de soutien adoptées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".